berita

artikel ini adalah karya asli deep diving atom ke-835

setelah melakukan penelitian mandiri yang panjang dan berliku-liku mengenai mengemudi cerdas, jalan ideal menuju mengemudi cerdas tampaknya akhirnya berada di jalur yang benar.

baru-baru inimobil idealbertekad secara internal untuk membentuk organisasi entitas “pengemudi otonom ujung ke ujung”., jumlah tim melebihi 200 orang, dan tim cerdas lainnya di perusahaan diharuskan untuk mendukung proyek secara fleksibel. ini cukup membuktikan bahwa reformasi ideal ini kejam.

adapun pernyataan bahwa solusi end-to-end adalah "berkendara cerdas di jalur yang benar", bukan karena raksasa industri.teslaxian yong dan perusahaan kendaraan energi baru lainnya sedang mengembangkannya, tetapi ini memang merupakan pendekatan yang paling dapat diandalkan di antara semua jalur teknis saat ini.

dan yang paling penting,"end-to-end" telah menjadi teknologi yang paling mampu menembus batas di antara semua jalur teknologi saat ini.。

"kontrol aturan" dari solusi mengemudi cerdas lama yang didukung oleh kode hampir berakhir. ke depannya hanya akan meningkatkan jumlah bug yang mudah dihasilkan di antara kode dan juga akan memengaruhi memori dan efisiensi pengoperasian mobil . selain itu, semua orang kini mengurangi biaya. biaya lidar, peta presisi tinggi, sensor, dan kamera sangat tinggi, dan keunggulan biaya end-to-end juga sangat besar.

lagi pula, logika yang mendasarinya adalah melatih ai untuk mengemudi, cukup berikan data.

keduanya merupakan solusi end-to-end, namun cita-citanya juga memiliki perbedaannya masing-masing.

pada "konferensi musim panas mengemudi cerdas li auto" baru-baru ini, li auto secara terbuka mendemonstrasikan arsitektur teknologi mengemudi otonom menyeluruh mereka.ini terdiri dari tiga bagian: model ujung ke ujung, model bahasa visual vlm, dan model dunia.. li xiang mengatakan paling lambat awal tahun depan, li auto akan secara resmi meluncurkan solusi mengemudi otonom end-to-end + vlm.

faktanya, end-to-end hanyalah sebuah konsep template, yang umumnya disebut "data push", namun model untuk memperoleh data sangat berbeda. misalnya, tesla menggunakan model trafo bev+.xiaopengxngp menggunakan model yang terdiri dari jaringan saraf xnet + model kontrol besar xplanner + model bahasa besar xbrain.

namun "semakin sedikit model, semakin akurat hasilnya."

benar kan? bukankah semakin banyak model dan data, semakin akurat keluarannya?

untuk menjelaskan masalah ini dengan jelas, diperlukan banyak terminologi profesional. "keluaran eksplisit" antar model akan menyebabkan hilangnya beberapa informasi. sederhananya, ini seperti permainan "solitaire". kata itu, semakin banyak informasi yang hilang. pada akhirnya, kemungkinan besar akan keluar dari topik, dan yang paling akurat adalah bermain dengan dua orang.

one-model adalah rute yang dikejar oleh semua perusahaan mengemudi cerdas. sasaran idealnya adalah mencapainya dalam dua tahun terakhir, namun mungkin diperlukan tiga hingga lima tahun lagi untuk sepenuhnya mencapainya dan mulai mengemudi.

dalam tiga hingga lima tahun terakhir, semua orang membandingkan jumlah data.

seperti yang kami katakan sebelumnya, logika dasar end-to-end adalah melatih ai. maka anda hanya dapat memasukkan data.

dengan kata lain, dalam tiga hingga lima tahun terakhir, yang dibandingkan semua orang adalah “sumber daya”, sumber daya data.

musk pernah memberikan gambaran yang tepat tentang volume pelatihan model end-to-end.

"pelatihan dengan 1 juta kasus video saja tidak cukup, 2 juta sedikit lebih baik, 3 juta akan membuat anda merasa wow, dan ketika mencapai 10 juta, sungguh luar biasa."

solusi mengemudi cerdas yang dilatih pada 10 juta klip video merupakan tujuan ideal yang ingin dicapai pada akhir tahun ini.

jika ingin memperoleh data, anda harus mengandalkan data penggerak pengguna anda sendiri, dan kedua, mengandalkan chip pelatihan.

musk berbondong-bondong membeli chip nvidia h100ai pada bulan april, meningkatkan volume pembelian awal dari 35,000 menjadi 85,000.

sekadar renungan, akhir-akhir ini saya mulai membeli chip nvidia dengan harga tinggi.

selain data, daya komputasi juga merupakan faktor penting yang mempengaruhi kemampuan berkendara cerdas. saat ini, kekuatan komputasi chip otomotif dianggap sebagai puncak orin

dari segi daya komputasi, huawei masih menjadi eselon satu di china, dengan daya komputasi 3,5eflops, sedangkan xiaopeng hanya memiliki 0,6eflops.tidaksedikit lebih baik 1.4eflops, idealnya mencapai 2.4eflops.

di depan "li xiaowei", cita-citanya telah mendekati level para pemimpin industri.

dari berbagai sudut pandang, ideal siap merekrut pasukan dan menyiapkan makanan dan rumput yang cukup untuk "perang ujung ke ujung" ini.

ada lebih banyak persiapan untuk berkendara cerdas dibandingkan sebelumnya, karena idealnya, mengejar model end-to-end terlalu mendesak.

baik "noa dengan gambar" dan "noa tanpa gambar" keduanya merupakan pendatang baru dalam game ini. noa tanpa gambar baru secara resmi diluncurkan untuk pengguna ad max pada bulan juli tahun ini. pada saat kritis ketika tesla fsd akan mendarat di tiongkok, jika kita tidak mengembangkan model end-to-end, kita akan tertinggal lagi oleh industri.

dengan meningkatkan investasi dan membangun tim, dapat dikatakan bahwa penekanan li auto pada model end-to-end telah ditempatkan pada level tertinggi di perusahaan, dan tujuannya adalah untuk menempatkan jalur mengemudi cerdas pada apa yang disebut " jalur yang benar."

solusi kode tradisional lama yang dapat "dikendalikan oleh aturan" pernah menjadi "jalur yang benar", dan ujung ke ujung hanyalah solusi "paling menjanjikan" saat ini.

tidak ada yang tahu jalur teknologi baru apa yang akan muncul selanjutnya.investasi besar dalam solusi end-to-end mungkin hanya membuang-buang uang, namun tidak ada perusahaan mobil yang boleh melewatkan peluang ini.。

ideal sudah melakukan semua persiapan, tapi itu hanya salah satunya, hanya mengikuti tren. masih terlalu dini untuk membicarakan "jalur yang benar".